SciELO - Scientific Electronic Library Online

 
vol.8 número2Características bioquímicas y calidad nutracéutica de cinco variedades de jamaica cultivadas en México índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Não possue artigos similaresSimilares em SciELO

Compartilhar


Revista mexicana de ciencias agrícolas

versão impressa ISSN 2007-0934

Rev. Mex. Cienc. Agríc vol.8 no.2 Texcoco Fev./Mar. 2017

http://dx.doi.org/10.29312/remexca.v8i2.48 

Artículos

Modelos geomáticos con base en transición para el análisis espacial en Villahermosa, Tabasco

Miguel Ángel Palomeque de la Cruz1 

Adalberto Galindo Alcántara2  § 

Eunice Pérez Sánchez2 

Alberto de Jesús Sánchez2 

Miguel Jorge Escalona Maurice3 

1Ciencias en Ecología y Manejo de Sistemas Tropicales-Universidad Juárez Autónoma de Tabasco. Carretera Villahermosa-Cárdenas, km 0.5. Villahermosa, Tabasco, México. CP. 86040. Tel. (01) 993 1369052. (migueldacbiol@hotmail.com).

2Universidad Juárez Autónoma de Tabasco-División de Académica de Ciencias Biológicas.Carretera Villahermosa-Cárdenas, km 0.5. Villahermosa, Tabasco, México. CP. 86040. Tel. (01) 993 3581500, ext. 6400. (eukha98@hotmail.com; alberthoj.sanchez@gmail.com).

3Postgrado en Desarrollo Rural-Colegio de Postgraduados. Carretera México-Texcoco, km 36.5. Montecillo, Estado de México. CP. 56230. Tel. (01) 595 9520200, ext. 1843 (mescalona@colpos.mx).

Resumen

La periurbanización desmedida de Villahermosa, localizada en la cuenca baja del río Grijalva, ha impactado al sistema natural desde hace 40 años. Para analizar la dinámica espacial de Villahermosa, así como sus efectos y alternativas, se construyeron matrices de probabilidad y escenarios de cambio de uso de suelo mediante el modelador de cambios en el terreno (MCT), las cadenas de Markov y los autómatas celulares. Durante 1984 y 2008, el MCT demostró el incremento de las áreas de uso urbano (4 458 ha) y pastizal (11 239 ha), lo que indujo la disminución de la vegetación arbórea (1 893 ha) y humedales (2 244 ha). Las proyecciones a 2020, 2030 y 2040 efectuadas con Markov y CA-Markov predijeron la continuidad, tanto el aumento del área urbano (6 058, 6 137 y 6 824 ha) y pastizal (10 971, 10 922 y 10 705 ha), como la dismunición de coberturas de vegetación arbórea (756, 722 y 444 ha) y humedales (1 965, 1 997 y 1 888 ha). Estas proyecciones de cambio de uso del suelo en Villahermosa muestran la desaparición de la vegetación arbórea y humedales, que resalta la necesidad de crear las reservas territoriales como lo señala el programa de ordenamiento ecológico.

Palabras clave: autómatas celulares; cadenas de Markov; modelador de cambios en el terreno

Introducción

En el mundo los patrones de cambios en coberturas forestales y acuáticas se dan por causas naturales y antrópicas (Velázquez et al., 2002), que pueden provocar la reducción de la resiliencia de los sistemas ecológicos ante distintos agentes desestabilizadores como lluvias y actividades humanas (Restrepo y Juan, 2015). Las actividades humanas han modificado la configuración del paisaje y han alterado la funcionalidad de los ecosistemas (Burel y Braudy, 2002), entre las mismas, las agropecuarias extensivas, la deforestación de selvas tropicales y la urbanización son las más comunes (Fahrgi et al., 2011). La pérdida de biodiversidad es el impacto más evidente, por ejemplo, la fragmentación del paisaje ha ocasionado que los recursos naturales perdidos sean irreversiblemente recuperados (Marcantonio et al., 2013). A nivel mundial ha desaparecido alrededor de 50% de humedales (Mitsch y Gosselink, 2009) y de 1990 a 2015 disminuyeron 129 millones de ha de bosques en el planeta (FAO, 2016).

El estudio del cambio de uso del suelo se encuentra en el centro de atención de la investigación ambiental, ya que estima la distribución del cambio de coberturas naturales y usos artificiales e identifica las coberturas que presentan los mayores impactos ambientales (Velázquez et al., 2002). Por lo mismo, la modelación del cambio de uso del suelo en territorios urbanizados, rurales o naturales es importante para predecir escenarios ambientales y socioeconómicos, con la finalidad de establecer políticas de planificación territorial (Paegelow et al., 2003).

Los modelos geomáticos con base en transición simulan la dinámica interna del paisaje y obtienen probabilidades del cambio de uso del suelo (Clarke y Gaydos, 1998; Eastman, 2012). Los modelos comúnmente empleados por su sencillez en la preparación de datos, ejecución y presentación de resultados son: el modelador de cambios en el terreno (MCT), las cadenas de Markov y los autómatas celulares (Clarke y Gaydos, 1998; Eastman, 2012).

Las cadenas de Markov simulan la predicción del estado de un sistema en un tiempo determinado a partir de dos estados precedentes (Eastman, 2012). Es un procedimiento discreto en un tiempo discreto, en donde el valor en el tiempo t1 depende de los valores en los tiempos t0 y t-1. La predicción se materializa en una serie de mapas de usos del suelo para un tiempo futuro, en donde el nivel digital de cada píxel expresa la probabilidad de pertenecer a la categoría analizada (Paegelow et al., 2003; Eastman, 2012; Reynoso et al., 2016). Existen variables sociales, económicas, físicas y ambientales que influyen en la modelación de cambios de uso del suelo; sin embargo, el modelo cadenas de Markov es de tipo lineal y no considera los efectos de factores del cambio de uso de suelo (Pontius, 2000), sino que se basa únicamente en el análisis de la dinámica interna del sistema (Paegelow et al., 2003; Reynoso et al., 2016).

Los autómatas celulares funcionan como un conjunto de elementos idénticos o céldas, cada una de las cuales está en un espacio discreto (Clarke y Gaydos, 1998; Reynoso et al., 2016). Dichas unidades espaciales contienen una historia y una evolución de cambio en el tiempo, además de reglas como la influencia de las celdas colindantes a una central (Clarke y Gaydos, 1998).

Villahermosa, es uno de los cuatro ecosistemas urbanos más importantes de la cuenca del Río Grijalva. En ella subsisten 13 ecosistemas lagunares fluviales y de contacto relacionados con los ríos Mezcalapa Viejo, Carrizal y Sierra-Grijalva que la rodean. En la década de los 70’s el auge petrolero se suma al impulso económico y el consecuente crecimiento urbano registrado en las ciudades del sureste del país, entre ellas Villahermosa, Tabasco (Bazant, 2010). El modelo de crecimiento periurbano de Villahermosa se asoció con la modificación de su fisiografía y al aumento de la vulnerabilidad de las inundaciones (Perevochtchikova y Lezama, 2010).

En las zonas urbanas y suburbanas adyacentes y en la cuenca baja del Río Grijalva se desecaron y contaminaron, tanto los humedales como sus zonas de anegación temporal, se modificó el curso de los ríos, se devastaron los lomeríos y se deforestaron las selvas (Sánchez-Munguía, 2005; Kolb et al., 2013; Sánchez et al., 2015).

Por lo mismo, los modelos geomáticos se integraron para generar un diagnóstico complementario, actual y prospectivo del cambio de uso del suelo en la ciudad de Villahermosa. Las proyecciones de cambio de uso del suelo, del periodo 1984-2008, se calibraron y validaron mediante: 1) El MCT para crear matrices de tabulación cruzada, 2) Cadenas de Markov, para el cálculo de matrices de probabilidad transición y 3) Autómatas Celulares, para el mapeo espacial de escenarios futuros. Este tipo de estudios benefician con información adicional a las próximas estrategias y políticas de planificación territorial (Clarke y Gaydos, 1998; Paegelow et al., 2003).

Materiales y métodos

Área de estudio

La ciudad de Villahermosa (92° 56’ latitud norte y 17° 59’ longitud oeste) se asienta en una planicie a 10 msnm, la cual está bordeada hacia el oeste y norte por el Río Carrizal, al suroeste por el Río Mezcalapa Viejo y sureste por el Río Grijalva y se localiza en la cuenca baja del Río Grijalva (CONAGUA, 2012). La localización geográfica de la ciudad en una planicie rodeada de ríos sustenta la relevancia de la conservación de vegetación natural y humedales con sus zonas de anegación temporal.

Base de datos

Tres mapas de uso del suelo fueron recopilados de los años 1984, 2000 y 2008, escala 1:10 000: Datum WGS84-Proyección UTM zona 15N en formato vectorial, elaborados mediante digitalización en pantalla, con el programa Arc Gis® 10.2.2. Posteriormente, los vectores fueron trasformados en formato ráster con el comando “Rastervector” del programa IDRISI Selva 2012®. Las categorías temáticas fueron: 1) vegetación arbórea; 2) humedales; 3) pastizal; 4) terrenos baldíos; 5) industrial; 6) carreteras; y 7) urbano (Figura 1).

Fuente: laboratorio de sistemas de información geográfica. División Académica de Ciencias Biológicas, UJAT

Figura 1 Mapas de uso de suelo escala 1:10 000: WGS84- UTM zona 15N 

Modelador de cambios en el terreno (MCT)

El MCT del programa IDRISI Selva 2012®, se empleó para generar un análisis cuantitativo de imágenes en dos fechas mediante una matriz de tabulación cruzada. El periodo seleccionado fue de 1984 a 2008. El MCT permitió ubicar la cantidad de cambio (persistencias, ganancias, pérdidas, cambio neto y contribuciones) entre categorías (Eastman, 2012). La precisión de la matriz de tabulación cruzada se validó con el comando “Crosstab”, que género un estadístico Kappa (K).

Cadenas de Markov

Con el módulo Markov de IDRISI Selva 2012® se crearon cuatro matrices de probabilidad de transición. El método de análisis en esta investigación consistió en cruzar mapas de uso del suelo en dos periodos de tiempo, con un margen de error de 15%, para crear una matriz de probabilidad de cambio en un tercer período (Eastman, 2012; Reynoso et al., 2016).

Para cada proyección, el módulo generó una matriz de probabilidades de cambios, una matriz de áreas de cambio que contiene el número de píxeles que se espera cambien de una clase de uso a otra durante un período de tiempo, y una colección de imágenes de áreas de adecuación/aptitud (Eastman, 2012; Subedi et al., 2013; Reynoso et al., 2016). Las primeras dos matrices creadas (calibradas) fueron: (1) 1984- 2000 (proyección 2008), (2) 2000- 2008 (proyección 2020), posteriormente se crearon: (3) 2008- 2020 (proyección 2030) y (4) 2008- 2020 (proyección 2040).

Autómatas celulares (CA-Markov)

Con el módulo CA-Markov de IDRISI Selva 2012® se construyeron escenarios espaciales calibrados a partir de la combinación de un mapa de uso de suelo base, matriz de áreas de cambio y colección de imágenes de áreas de adecuación/aptitud. Se ejecuto con 12 interacciones y un filtro de contigüidad de 5*5 píxeles para predecir cambios celulares (Eastman, 2012; Reynoso et al., 2016). Los primeros dos escenarios espaciales (calibrados) fueron 2008 y 2020, que sirvieron de base para crear los escenarios finales 2030 y 2040.

Para evaluar la precisión de cada proyección se realizó una comparación de similitud entre mapas base y escenarios espaciales construidos por “validate”. Este módulo proporcionó el estadístico Kappa (K) para evaluar la similitud entre la clasificación (Eastman, 2012; Reynoso et al., 2016). Los mapas base para validar los escenarios 2008 y 2020 (calibrados) fueron los mapas reales de 1984 y 2008; mientras para validar los escenarios 2030 y 2040 se utilizó el mapa real de 2008.

Resultados y discusión

Modelador de cambios en el terreno

El MCT generó una matriz de probabilidades de cambio y el estadístico Kappa= 0.81 (Cuadro 1). Este demostró que los mapas de 1984-2008 fueron precisos al ser cruzados y generó un análisis confiable de la dinámica espacial del territorio.

VG= vegetación arbórea; HM= humedales; PZ= pastizal; TB= terrenos baldíos; IT= industrial; CR= carreteras; y UR= uso urbano.

Cuadro 1 Matriz de probabilidades de cambio calculadas con el modelador de cambios en el terreno, para la ciudad deVillahermosa durante 1984-2008. 

Durante 1984-2008, la matriz de cambios demostró que la categoría con mayor persistencia fue el pastizal (53.7 %) (Cuadro 2), la cual ha sido ocupada para actividades agropecuarias, crecimiento urbano, carreteras y áreas industriales. La zona urbana se mantuvo persistente con 15.1%, implicando que esta área artificial difícilmente volverá a ser cobertura natural (McDonnell y Pickett, 1990).

VG= vegetación arbórea; HM= humedales; PZ= pastizal; TB= terrenos baldíos; IT= industrial; CR= carreteras; y UR= uso urbano.

Cuadro 2 Estimaciones de la matriz de cambio (ha) con el modelador de cambios en el terreno para la ciudad de Villahermosa durante en el periodo 1984-2008.  

Las coberturas de vegetación arbórea y humedales se mantuvieron persistentes con el 12.1 y 15.3% (Cuadro 2). La persistencia del pastizal y el uso urbano coincidieron con Zavala et al. (2009), pues ellos registraron que el pastizal de uso agropecuario (60%) y la ocupación urbana (9.1%) fueron los usos dominantes en Villahermosa durante 1984 y 2005, mientras que, 74% del paisaje fue transformado y el 25.3 y 5.2% fueron ocupados por la vegetación arbórea y los humedales.

Las pérdidas de la vegetación arbórea y humedales fueron mayores a las ganancias (Cuadro 2). En contraste, el pastizal presentó las mayores ganancias de área, aunque perdió cerca de 2.13% debido sus transiciones a uso urbano, industrial, carreteras y terrenos baldíos (Cuadro 2). También, el uso urbano registró elevadas ganancias de 3.41% y nulas pérdidas (Cuadro 2).

Los usos que contribuyeron principalmente con la pérdida de vegetación arbórea fueron el pastizal con 3 103 ha, seguido por el urbano con 872 ha (Figura 2). El crecimiento de la zona industrial y las carreteras, con 40 y 24 ha, también contribuyeron con la deforestación. De la misma forma, 28 ha de vegetación arbórea fueron remplazadas por humedales, lo que se atribuyó a las inundaciones del 2007, en las cuales 62% del estado resultó inundado (CEPAL, 2008). En contraste, 312 ha de humedales desaparecieron en la ciudad por el crecimiento del pastizal (Figura 2).

Figura 2 Contribuciones netas entre las categorías de cambio de usos de suelo en la ciudad de Villahermosa (1984-2008).  

El pastizal creció fundamentalmente en áreas donde hubo vegetación arbórea y humedales. Esto fundamenta que el mayor impacto en Villahermosa sobre las coberturas naturales se dio por el crecimiento de las actividades agropecuarias de las últimas cuatro décadas.Sin embargo, el pastizal también presentó importantes pérdidas de 1 169 ha para su transformación a zonas urbanas, 133 ha para transformase a uso industrial, y en menor proporción perdió 44 ha para su reemplazo a carreteras y 22 ha para terrenos baldíos (Figura 2).

El uso urbano desplazó fundamentalmente áreas de pastizal, seguido por vegetación arbórea y terrenos baldíos (Figura 2).

El análisis de las contribuciones mostró que el crecimiento urbano en las tres décadas incluidas no estuvo directamente relacionado con la pérdida de humedales, ya que el MCT encontró que entre 1984 y 2008, estas coberturas naturales fueron sustituidas en grandes proporciones por el pastizal y en menor medida por el crecimiento urbano y la construcción de carreteras (Figura 2).

La distribución de las transiciones observadas entre 1984 y 2008 demostraron que la mayor transformación a uso urbano ocurrió en las inmediaciones urbanas consolidadas con anterioridad y en la cercanía a las carreteras, donde se han construido zonas residenciales y otras zonas artificiales alejadas del centro y bordes de la ciudad, lo que ha favorecido el proceso de periurbanización.

El desarrollo periurbano generalmente está acompañado de la fragmentación y contaminación de ecosistemas, así como de la pérdida o reducción drástica del los hábitats y biodiversidad (Benítez et al., 2012; Sánchez et al., 2012; Henny y Meutia, 2014; Hettiarachchi et al., 2014). La expanción periférica de Villahermosa no estuvo excenta de modificar su hidrogeomorfología, ya que sobresalió la práctica de fragmentar y rellenar los humedales, a lo que se añadieron la deforestación y transformación de la red fluvial superficial de los ríos de la cuenca del Grijalva (Kolb y Galicia, 2012; Sánchez et al., 2015). En el atlas de riesgo del municipio de centro (Galindo-Alcántara et al., 2009) se señaló que, durante 1984-2000, la ciudad de Villahermosa incrementó 38.65% su área urbana debido a la construcción de viviendas e infraestructura favorecida por políticas públicas y elementos socio económicos.

A pesar de los servicios ambientales que los humedales han provisto y los mayores beneficios económicos que se recibirían por invertir en su conservación (Maltby y Acreman, 2011; Henny y Meutia, 2014); durante 1984-2008, los proyectos de desarrollo urbano en Villahermosa continuaron con el aislamiento hidráulico de los humedales y el relleno de sus zonas de anegación que provocaron la pérdida neta de 289 ha de humedales (Cuadro 2). Sánchez-Munguía (2005) cuantificó que el avance urbano de 2 296 ha entre 1990 y 2000 invadió humedales y eliminó vasos reguladores con macrofitas enraizadas emergentes. A nivel de cuenca, 60% de los humedales se perdió en los primeros ocho años del siglo XXI (Landgrave y Moreno-Casasola, 2012).

Las tendencias del crecimiento urbano de Villahermosa coinciden, tanto con el grado de urbanización alcanzado en distintas regiones de México, que no han contribuido un incremento substancial en el desarrollo del país. Por el contrario, gran parte de los problemas sociales, como la segregación y desigualdad económica y de deterioro ambiental, como la deforestación y fragmentación y contaminación de humedales en México, se han originado por el desarrollo urbano (Garza 2010; MacGregor-Forsy y Ortega-Álvarez, 2013).

Los efectos provocados por el cambio climático se suman a la expansión urbana y al cambio de uso del suelo, ya que magnifican las inundaciones y la vulnerabilidad, especialmente la población de bajos recursos asentada zonas irregulares que queda más expuesta y con una escasa o nula capacidad de respuesta (Welz y Krellenberg, 2016). En Villahermosa, el crecimiento no planeado y la falta de políticas de desarrollo urbano, la insuficiencia de ingresos de gran parte de la población y la necesidad de vivienda, fomentaron la ocupación de por lo menos 59 asentamientos irregulares que ejercieron presión sobre los humedales con alto riesgo de inundaciones (Galindo-Alcántara et al., 2009).

Durante septiembre y octubre de 2007, se registraron inundaciones de gran magnitud en Tabasco, que afectaron a la ciudad de Villahermosa (Perevochtchikova y Lezama, 2007). El cambio de uso del suelo en la ciudad y en la cuenca mostró la vulnerabilidad de los habitantes de Villahermosa, ya que en la inundación extrema de octubre de 2007 fueron afectadas 50 561 viviendas, 75% de la población resultó damnificada con pérdidas que ascendieron a 31.8 miles de millones de pesos, a nivel de cuenca baja del Grijalva (CEPAL, 2008). Esto comprueba que en Tabasco el asentamiento de centros urbanos conlleva a la construcción de infraestructura en zonas propensas a inundación, lo cual contribuye a la vulnerabilidad ante el cambio climático (Ramos et al., 2016). A pesar de la lección ambiental de las inundaciones, la ciudad sigue creciendo con las mismas prácticas, bajo un desarrollo periurbano.

Ante este panorama, el desarrollo urbano sostenible implicaría una planificación que incluya la creación de áreas naturales protegidas, tierras de trabajo para los habitantes dedicados al sector primario y la disponibilidad de infraestructura urbana y vivienda construida en zonas no vulnerables (Benítez et al., 2012). En el estado, el programa de ordenamiento ecológico de Tabasco (Galindo-Alcántara et al., 2006), tiene como uno de sus objetivos “orientar y evaluar el establecimiento y desarrollo de las actividades productivas, los asentamientos humanos y la conservación de los recursos naturales, regulando y disminuyendo los impactos ambientales”.

En respuesta a este programa, el gobierno de la ciudad diseñó, para el periodo 2008-2030, el establecimiento de tres áreas para regular el uso y conservar humedales, vegetación arbórea y zonas de pastizal: 5 715 ha para la preservación, conservación total y regulación hidrológica, 1 310 ha reservadas a la preservación ecológica para mejoramiento y compatibilidad restringida y 174 ha de Valor Ambiental (Instituto de Planeación y Desarrollo Urbano, 2008). Sin embargo, la aplicación de las leyes y de los programas de manejo y desarrollo urbano en el país ha sido insuficiente, y ante este problema, el crecimiento y desarrollo de las ciudades mexicanas representa aún amenazas para la conservación de la biodiversidad y el bienestar humano (Bazant, 2010; MacGregor-Forsy y Ortega-Álvarez, 2013).

Cadenas de Markov (Markov) y autómatas celulares (CA-Markov)

La matriz de probabilidad de cambios 2020 (Cuadro 3) indicó que la cobertura de vegetación arbórea tendrá las mayores transiciones, con probabilidades elevadas para convertirse en pastizal y uso urbano (Cuadro 3), mientras que las coberturas de humedales tendrán 12.5% de probabilidad de ser remplazadas por pastizal. También se detectó que el pastizal presentará 10.5% de probabilidad para transformarse a uso urbano.

VG= vegetación arbórea; HM= humedales; PZ= pastizal; TR= terrenos baidíos; IT= industrial; CR= carreteras; UR= urbano.

Cuadro 3 Matrices de probabilidades de cambio (Markov). 

En la proyección del 2030, la vegetación arbórea mantendrá altas probabilidades de 52 y 13.7% de ser remplazado por pastizal y uso urbano (Cuadro 3), mientras que las coberturas de humedales presentaran probabilidades de 11.7% de convertirse a superficies de pastizal. En 2040, la vegetación arbórea continuará con el deterioro de su área al mostrar elevadas probabilidades de 62.6% y 19.1% para transformarse a pastizal y zona urbana (Cuadro 3), mientras tanto, los humedales seguirán con la misma tendencia de cambio a pastizal con probabilidad de 16.1%. El pastizal seguirá siendo importante para el crecimiento de la zona urbana con probabilidad de 16.6%.

Las proyecciones CA-Markov calibradas 2008 y 2020, presentaron una precisión global Kappa= (Kno= 92.2%, Klocation= 96.3%, Kstandard= 86.1%) y (Kno= 95%, Klocation= 96.4% Kstandard= 91.1%), lo cual sustenta, que estas dos proyecciones son confiables para representar escenarios espaciales del cambio de uso del suelo. También, los dos escenarios construidos para 2030 y 2040, en la base de las proyecciones 2008 y 2020, presentaron estadísticos confiables Kappa= (Kno= 94.8%, Klocation= 96.3%, Kstandard= 90.8%) y (Kno= 93.4%, Klocation= 96.3% Kstandard= 88.2%).

La proyección de cambios del 2008 al 2020 (Figura 3) generó un escenario, en donde hay aumento en la dinámica del paisaje. La vegetación arbórea y los humedales ocuparán 4 137 ha de la superficie total; mientras que, el pastizal y el uso urbano 15 697 ha. El análisis de los cambios netos señaló que la vegetación arbórea perderá 1 917 ha, los humedales 451 ha, y el pastizal 225 ha. En contraste, el uso urbano aumentará 2 480 ha (Cuadro 4). De 2020 a 2030 (Figura 3) se detectó un escenario donde la dinámica del paisaje es de menor magnitud por tener un rango de 10 años. La vegetación arbórea y los humedales cubrirán 2 719 ha del área total; mientras que, el pastizal y el uso urbano ocuparán 17 059 ha. La vegetación arbórea perderá 34 ha, los humedales 32 ha, y el pastizal 49 ha.

VG= vegetación arbórea; HM= humedales; PZ= pastizal; UR= urbano.

Cuadro 4 Estimación de los escenarios espaciales de cambio CA-Markov  

Figura 3 Mapas de escenarios espaciales de cambio CA-Markov.  

En cambio, el uso urbano aumentará 79 ha (Cuadro 4). Sin embargo, el periodo 2030-2040 (Figura 3) será catastrófico, porque la vegetación arbórea y los humedales cubrirán solamente 2 332 ha de la superficie total; mientras que, el pastizal y el uso urbano, ocuparán la mayor superficie de todo el periodo de análisis con 17 529 ha. En relación a los cambios netos, la vegetación arbórea perderá 278 ha, los humedales, 109 ha, y el pastizal 217 ha. En cambio, el uso urbano incrementará 689 ha (Cuadro 4).

Se remarca que el proceso de cambio de uso del suelo es afectado por factores físicos (pendiente, relieve, orientación, etc), socioeconómicos (densidad de población, distancias a zonas residenciales, centros comerciales y fábricas) ambientales (áreas protegidas, ecosistemas acuáticos, tipo de suelo, etc).

Estos factores pueden ser analizados en otros modelos geomáticos como: regresión logística y múltiple, las redes neuronales y la evaluación multicriterio (EMC). Las variables espaciales a comparar en estos modelos deben coincidir en escala y método de clasificación para evitar errores en los resultados (Velázquez et al., 2002).

Las imágenes de aptitud resultantes en estos modelos pueden integrarse a CA-Markov, para crear mapas de proyección con mayor idoneidad de representación de la realidad que mejoraría en gran medida la capacidad de predicción (Thapa y Murayama, 2011; Subedi et al., 2013).

En este estudio se presentaron limitantes en la preparación de la base de datos, ya que: 1) sólo se contó con imágenes de 1984, 2000 y 2008 en escala 1:10 000, 2) no se logró integrar imágenes de aptitud de tipo social, económica o física (como el modelo digital de elevación), pues la información disponible para estos temas se encuentra en escalas diferentes de 1:50 000, 1:250 000 y 1:1 000 000 (INEGI, 2016), y 3) tienen diferentes métodos de clasificación. Para resolver esta limitante; se emplearon como variables, la matriz de áreas de cambio y la colección de imágenes de áreas de adecuación/aptitud construidas en Markov, para correr el modelo CA-Markov en las cuatro proyecciones, y se demostró que la propia dinámica interna del paisaje fue suficiente para la creación de escenarios espaciales 2008, 2020, 2030 y 2040.

De esta forma, se constata que el uso de modelos geomáticos depende del detalle, costos de implementación e información espacial disponible al mismo tamaño de escala (Romero y López, 2000). El estudio comprueba que es imprescindible la integración y combinación de modelos geomáticos del cambio de uso del suelo para conocer con precisión el alcance de los cambios registrados, los riesgos que implica y de ser posible identificar los agentes que causan el cambio con fines de seguimiento de la planificación territorial (Chuvieco, 2008).

Conclusiones

La integración de modelos geomáticos con base a transición es una herramienta para simular la dinámica interna del paisaje y obtener probabilidades del cambio para establecer estrategias de planeación ambiental. En Villahermosa localizada en la cuenca baja del Río Grijalva, durante 1984 y 2008 el uso urbano (4 458 ha) y el pastizal (11 239 ha), elevaron sus superficies causando el deterioro de 1 893 ha de vegetación arbórea y 2 244 ha de humedales. Las proyecciones mostraron con gran precisión escenarios para el 2020, 2030 y 2040, donde el aumento en las superficies de uso urbano (6 058, 6 137 y 6 824 ha) y pastizal (10 971, 10 922 y 10 705 ha), continuarán provocando disminuciones de coberturas vegetación arbórea (756, 722 y 444 ha) y humedales (1 965, 1 997 y 1 888 ha).

Los resultados reafirman que el modelo de crecimiento urbano ha omitido en general la conservación de los ecosistemas debido a la falta de aplicación del programa de ordenamiento del territorio sumado a la pérdida de los humedales como vasos reguladores y su cambio de uso para zonas habitacionales. Sí continua el proceso anárquico de cambio de uso del suelo por el crecimiento periurbano mal planificado en la ciudad, la zona sur-sureste de Villahermosa puede perder las últimas superficies arbóreas y acuáticas conservadas en las próximas dos décadas. Por lo tanto, para evitar escenarios de deterioro ambiental en las próximas dos décadas, la zona sur-sureste debe ser protegida como área natural protegida mediante un plan de manejo integral y decreto legal que lo respalde para detener la periurbanización.

Literatura citada

Bazant, J. 2010. Expansión urbana incontrolada y paradigmas de la planeación urbana. Espacio abierto. 19(3). [ Links ]

Benítez, G.; Pérez, V. A.; Nava, T. M.; Equihua, M. and Álvarez, P. J. L. 2012. Urban expansion and the environmental effects of informal settlements on the outskirts of Xalapa city, Veracruz, Mexico. Environment and Urbanization. 24(1):149-166. [ Links ]

Burel, F. and Baudry, J. 2002. Ecología del paisaje: conceptos métodos y aplicaciones. Madrid, España: Ediciones Mundi Prensa. 428 p. [ Links ]

CONAGUA (Comisión Nacional del Agua). 2012. Atlas digital del agua México. http://www.conagua.gob.mx/atlas/index.htmlLinks ]

Fahrig, L.; Baudry, J.; Brotons, L.; Burel, F. G.; Crist, T. O.; Fuller, R. J. and Martin, J. L. 2011. Functional landscape heterogeneity and animal biodiversity in agricultural landscapes. Ecology letters. 14(2):101-112. [ Links ]

FAO (Organización de las Naciones Unidas para la Alimentación y la Agricultura). 2016. http://www.fao.org/news/story/es/item/327382/icode/. [ Links ]

Garza, G. 2010. La transformación urbana de México, 1970-2020. In: Garza, G. y Schteingart, M. (Eds.). Los grandes problemas de México. Desarrollo urbano y regional. Ciudad de México: El Colegio de México A. C. 2:31-86. [ Links ]

Galindo, A. A.; Gama, L. M.; Salcedo, M. A.; Ruiz, A. S. D.; Morales, A. y Rullán, C. 2006. Programa de ordenamiento ecológico del estado de Tabasco. Villahermosa, México: Secretaría de Desarrollo Social y Protección al Ambiente. 44 p. [ Links ]

Galindo, A. A.; Ruiz, A. S. D.; Morales, A.; Gómez, C.; Salcedo, M. A.; Aguilar, M.; Valencia, J. y Rodríguez, C. M. 2009. Atlas de riesgos del municipio de centro, Tabasco. Villahermosa: Ayuntamiento Municipal de Centro, Secretaría de Desarrollo Social. 125 p. [ Links ]

Henny, C. and Meutia, A. A. 2014. Urban lakes in megacity Jakarta: risk and management plan for future sustainability. Procedia Environmental Sciences. 20:737- 746. [ Links ]

INEGI (Instituto Nacional de Geografía). 2016. Cartografía urbana. http://www.inegi.org.mx/geo/contenidos/urbana/default.aspx. [ Links ]

Instituto de Planeación y Desarrollo Urbano. 2008. Programa de desarrollo urbano del centro de población de la ciudad de Villahermosa y centros metropolitanos, Tabasco 2008-2030. Villahermosa: H. Ayuntamiento Constitucional de Centro. [ Links ]

Kolb, M. and Galicia, L. 2012. Challenging the linear forestation narrative in the Neo‐tropic: regional patterns and processes of deforestation and regeneration in southern Mexico. The Geographical Journal. 178(2):147-161. [ Links ]

Kolb, M.; Mas, J. F. and Galicia, L. 2013. Evaluating drivers of land-use change and transition potential models in a complex landscape in Southern Mexico. Inter. J. Geograp. Infor. Sci. 27(9):1804-1827. [ Links ]

Landgrave, R. y Moreno, C. P. 2012. Evaluación cuantitativa de la pérdida de humedales en México. Investigación ambiental. 4(1):19-35. [ Links ]

MacGregor, F. I. y Ortega, Á. R. 2013. Ecología urbana: experiencias en América Latina.Ciudad de México: INECOL. 76 p. [ Links ]

Marcantonio, M.; Rocchini, D.; Geri, F.; Bacaro, G. and Amici, V. 2013. Biodiversity, roads, and landscape fragmentation: two mediterranean cases. Applied Geography.42:63-72. [ Links ]

Maltby, E. and Acreman, M. C. 2011. Ecosystem services of wetlands: pathfinder for a new paradigm. Hydrol. Sci. J. 56(8):1341-1359. [ Links ]

McDonnell, M. J. and Pickett, S. T. 1990. Ecosystem structure and function along urban-rural gradients: 7 an unexploited opportunity for ecology. Ecology. 71(4):1232-1237. [ Links ]

Mitsch, W. J.; Goseelink, J. G. and Anderson, C. J. 2009. Wetland ecosystems. Hoboken, New Jersey: John Wiley & Sons, Inc. 50 p. [ Links ]

Paegelow, M.; Camacho, M. y Toribio, J. 2003. Cadenas de Markov, evaluación multicriterio y evaluación multiobjetivo para la modelización prospectiva del paisaje. Geofocus. 3:22-44. [ Links ]

Perevochtchikova, M. y Lezama, T. J. L. 2010. Causas de un desastre: inundaciones del 2007 en Tabasco, México. J. Latin American Geography. 9(2):73-98. [ Links ]

Pontius, R. G. 2000. Quantification error versus location error in comparison of categorical maps.Photogrammetric Engineering and Remote Sensing.66(8):1011-1016. [ Links ]

Ramos, R. R.; Gama, C. L. M.; Núñez, G. J. C.; Sánchez, H. R.; Hernández, T. H. y Ruiz, A. O. 2016. Adaptación del modelo de vulnerabilidad costera en el litoral tabasqueño ante el cambio climático. Rev. Mex. Cienc. Agríc. (13):2551-2563. [ Links ]

Restrepo, A. and Juan, D. 2015. The impact of deforestation on the erosion in the Magdalena River drainage basin (1980-2010). Revista de la Academia Colombiana de Ciencias Exactas. 39(151):250-267. [ Links ]

Reynoso, S. R.; Valdez, L. J. R.; Escalona, M. M. J.; de los Santos Posadas, H. M. y Pérez, H. M. J. 2016. Cadenas de Markov y autómatas celulares para la modelación de cambio de uso de suelo. Ingeniería Hidráulica y Ambiental.37(1):72-81. [ Links ]

Romero, H. D. y López, B. J. 2000. Producción e integración de fotomapas digitales para la evaluación del crecimiento urbano,Texcoco, Estado de México: periodo 1970-1989-1997. Investigaciones Geográficas. (42):48-66. [ Links ]

Sánchez, A. J.; Salcedo, M. A.; Macossay, C. A.; Feria, Y.; Vázquez, L.; Ovando, N. y Rosado, L. 2012. Calidad ambiental de la laguna urbana la Pólvora en la cuenca del río Grijalva. Revista Tecnología y Ciencias del Agua. 3(3):143-152. [ Links ]

Thapa, R. B. and Murayama, Y. 2011. Urban growth modeling of Kathmandu metropolitan region, Nepal. Computers, Environment and Urban Systems. 35(1):25-34. [ Links ]

Velázquez, A.; Mas, J. F.; Gallegos, R. D.; Mayorga, S. R.; Alcántara, P. C.; Castro, R. y Palacio, J. L. 2002. Patrones y tasas de cambio de uso del suelo en México.Gaceta Ecológica. (62):21-37. [ Links ]

Welz, J. and Krellenberg, K. 2016. Vulnerabilidad frente al cambio climático en la Región Metropolitana de Santiago de Chile: posiciones teóricas versus evidencias empíricas. EURE. 42(125):251-272. [ Links ]

Recebido: Novembro de 2016; Aceito: Fevereiro de 2017

§Autor para correspondencia: aga2003a@hotmail.com

Creative Commons License Este es un artículo publicado en acceso abierto bajo una licencia Creative Commons